Including customs declaration data, bill of lading data, shipping data
Xem Infographic của bài viết này tại đây
Khoa học dữ liệu là một ngành vô cùng rộng lớn, để bắt đầu với ngành Data Science (Khoa học dữ liệu), tìm được công việc của một Data Scientist (Nhà khoa học dữ liệu) bạn cần trang bị cho mình những kỹ năng, kiến thức cần thiết. Thêm vào đó nâng cao năng lực của bạn qua các dự án thực tiễn.
Giai đoạn 2: Apply quyết liệt để có job càng sớm càng tốt.
Sau khi học xong kiến thức, nhiều bạn sẽ hoàn tất lộ trình học Data Analyst của mình. Tuy nhiên, Vinh cho rằng quá trình apply là rất rất quan trọng. Vì vậy, nên được lên kế hoạch chi tiết, cụ thể giống như khi học kiến thức. Có như vậy, lộ trình học Data Analyst của các bạn mới thật sự thành công.
Thông thường, quá trình tuyển job Data Analyst sẽ có 4-5 vòng:
Các bạn thường quá chú trọng vào giai đoạn 1, học rất nhiều mà không chịu đi apply sớm vì cứ nghĩ mình chưa đủ. Thực ra những bài test ở các công ty không quá khó đâu, mình tin ở level intermediate là các bạn có thể giải quyết được rồi. Nếu các bạn đã học đủ ở giai đoạn 1 thì mình tin các bạn hoàn toàn ready để đi apply.
Ở giai đoạn 2 của lộ trình học Data Analyst, các bạn cần tập trung vào 2 vấn đề:
Mình thấy không có nhiều bạn có kĩ năng apply tốt. Vậy cách tốt nhất đó là các bạn phải chuẩn bị thật kĩ, apply nhiều và học hỏi từ những lần apply. Quá trình apply giống như các bạn chơi game vậy đó. Fail lại chơi lại, khi các bạn chơi nhiều thì các bạn sẽ giỏi và chắc chắn các bạn sẽ có được offer. Mình quan sát thường các bạn có 5 interview thì sẽ có job. Để có được 5 interview thì các bạn phải apply từ 10-20 bên. Các bạn phải chơi cái game này đến khi nào win thì thôi. Thời gian chơi khoảng 1-3 tháng tùy tốc độ chơi của các bạn.
khăn. Để chuyển được qua vị trí Data Analyst trong 6 tháng đòi hỏi các bạn phải rất tập trung và kỷ luật. Nếu các bạn muốn apply Data Analyst trong 5-6 tháng nữa mà đang không biết phải làm gì thì có thể liên hệ cho mình, mình có thể support thêm cho bạn!
– Xem ngay Lộ trình học Data Analyst chuyển ngành thành công trong vòng 6 tháng– Xem ngay Lộ trình học Marketing Automation & Analytics Coaching 1 on 1 để upgrade kỹ năng phân tích cho Marketer– Tham gia Vietnam Data Analyst Forum – #1 Informative Group để học hỏi và chia sẻ kiến thức về Data Analytics– Cập nhật lịch khai giảng, chương trình ưu đãi và nhận tư vấn chuyển ngành miễn phí tại Data Coaching 1 on 1 – UniGap
Hy vọng bài viết Tự học Data Analyst và Lộ trình 6 tháng chuyển ngành thành công của Vinh sẽ đem đến nhiều giá trị cho các bạn. Xin cảm ơn các bạn đã đọc bài viết. Vinh chúc tất cả các bạn “chân cứng đá mềm”, học tập và chuyển ngành thành công nha!
Các kỹ năng ngoài chuyên môn cần thiết là gì?
Biểu mẫu thống kê được coi là cốt lõi của Data Science. Để thành thạo những công việc về Data Science, bạn phải có những kiến thức chuyên sâu về các chủ đề khác nhau của Thống kê như Thống kê mô tả và Thống kê suy luận.
Chuẩn bị cho các cuộc phỏng vấn của Data Science đòi hỏi bạn phải thành thạo các quy trình thống kê khác nhau.
Các khái niệm toán học như đại số tuyến tính, tính toán và xác suất là những khái niệm quan trọng nhất trong ngành Data Science. Do đó, sự đảm bảo về mặt kiến thức về các khái niệm này là điều cần thiết cho công việc đầu tiên của bạn với vị trí là Nhà khoa học dữ liệu.
Tư duy phân tích và giải quyết vấn đề là hai yêu cầu quan trọng nhất đối với bất kỳ vị trí nào trong ngành khoa học dữ liệu hay để bắt đầu với ngành Data Science.
Đối với những công việc thường ngày, bạn sẽ được yêu cầu giải quyết các vấn đề khoa học dữ liệu phức tạp. Do đó, bạn phải có kiến thức và tư duy sáng tạo phù hợp để hình thành một giải pháp và sử dụng các công cụ khác nhau để thực hiện nó.
Discover New Buyers and Sellers
Including customs declaration data, bill of lading data, shipping data
Bài viết này dành cho các bạn sinh viên mới ra trường, các bạn đã đi làm được 1 vài năm mà muốn tự học data analyst để chuyển ngành thành công. Trong bài viết này, Vinh sẽ giúp các bạn có góc nhìn rõ ràng hơn về con đường các bạn sẽ đi để chuyển qua vị trí Data Analyst. với người mới bắt đầu ra sao? Lộ trình học Data Analyst kéo dài bao lâu? Để trở thành Data Analyst cần học gì? Hãy cùng Vinh tìm hiểu nhé!
Trước khi tự học Data Analyst cần lưu ý điều gì?
Khi viết bài này, Vinh nhớ lại hình ảnh của mình khi mình có dự định apply qua Data Analyst 7 năm về trước. Thời điểm đó, mình chỉ có Google làm bạn, mình tìm đủ mọi thông tin về tự học Data Analyst. Mình dành ra nhiều thời gian để tìm hiểu về Data Analyst cần học gì, yêu cầu kỹ năng bào, cơ hội nghề nghiệp/mức lương ra sao… Qua research, mình có góc nhìn tổng quan về vị trí Data Analyst. Hồi đó mình nhớ, mình đúc kết được Data Analyst cần có Business, Toán, Programming. Mình thấy mình có business, có toán rồi, thiếu programming thôi nên nghĩ có thể chơi được và thế là mình lên plan để chuyển qua Data Analyst. Lúc ban đầu thì khí thế vậy thôi, đến lúc vô thực hiện thì mới phát sinh quá nhiều vấn đề. Mình đọc thì có quá trời tool phải học mà cũng không biết từng tool để làm gì, không có góc nhìn toàn cảnh, không biết học cái gì trước cái gì sau. Hệ quả là mình đã học thừa rất nhiều, thiếu cũng không ít và tốn kha khá tiền cho các platform… Mình viết ra bài này với mục đích giúp các bạn tiết kiệm thời gian, tiền bạc để tự học Data Analyst thành công. Thay vì trả giá như mình thì các bạn chỉ cần đọc và làm theo bài viết này thôi. Quá easy phải không?
Rồi! Đầu tiên, để tự học data analyst thành công, chúng ta cũng nên đi từ mindset. Mindset sẽ quyết định đến hành động của chúng ta. Sau khi đã học rất nhiều course, đi làm, tham gia tuyển dụng các vị trí Data Analyst mình nhận ra:
Giai đoạn 1: Học vừa đủ, học đúng thứ cần học
Chúng ta cần học những tool quan trọng nhất giúp mình cover được cả 4 bước trong quá trình phân tích dữ liệu. Theo kinh nghiệm của mình, các bạn chỉ cần học SQL, PowerBI, Python, và Statistic là đủ để apply bất cứ công ty nào rồi, từ công ty to đến công ty nhỏ, từ công ty tech đến công ty non-tech. Vì sao?
Đó vậy nên các bạn chỉ cần tập trung học nhóm tools SQL, PowerBI, Python, Statistic thôi. Sau khi học đủ 4 nhóm skillset này là các bạn sẽ đủ để đi apply rồi. Tổng thời gian tự học Data Analyst – giai đoạn 1 vào khoảng tầm 300h. Tính ra khoảng 3 tháng, mỗi ngày 3 tiếng. Nếu không học hàng ngày thì sẽ mất nhiều thời gian hơn.
Những kỹ năng chuyên môn quan trọng để bắt đầu với ngành Data Science
Cách để bắt đầu vời ngành Data Science. Làm thế nào để tìm được công việc Data Scientist đầu tiên dễ dàng?
Python là ngôn ngữ lập trình phổ biến và dễ học nhất. Nó là một ngôn ngữ lập trình dành cho những đối tượng chuyên nghiệp, được sử dụng không chỉ cho khoa học dữ liệu mà còn dành cho phát triển ứng dụng web và GUI.
Python cung cấp hỗ trợ cho một số lượng lớn các thư viện học sâu như Tensorflow, Keras, scikit-learn, v.v. Để bắt đầu với ngành Data Science, Python là một trong những ngôn ngữ lập trình lý tưởng.
R là một ngôn ngữ mô hình thống kê rất phổ biến đối với các Data Scientist. R cung cấp một đường cong học tập dốc gây khó khăn cho người dùng lần đầu.
Tuy nhiên, R lại là lựa chọn đầu tiên cho nhiều nhà thống kê chuyên nghiệp. Nó cũng cung cấp hỗ trợ cho các hoạt động khoa học những dữ liệu khác nhau thông qua các thư viện phong phú của nó.
SQL là một yếu tố quan trọng để bắt đầu với ngành Data Science. Nó được sử dụng như bước đầu tiên trong mọi hoạt động khoa học dữ liệu. SQL được sử dụng để trích xuất và truy xuất dữ liệu. Nó được thiết kế để quản lý những dữ liệu được lưu trữ trong cơ sở dữ liệu quan hệ.
SQL chủ yếu chỉ được sử dụng để xử lý dữ liệu có cấu trúc. Tuy nhiên, để trở thành một nhà Khoa học dữ liệu, bạn cũng phải biết cách xử lý dữ liệu phi cấu trúc và sẽ được xử lý thông qua NoQuery.
Big Data là một công nghệ quan trọng và là một phần phụ của ngành Data Science. Các công nghệ Dữ liệu lớn như Hadoop, Spark, Apache Flink đã gây bão trên toàn thế giới nhờ khả năng lưu trữ và xử lý dữ liệu khổng lồ của họ.
Vì một Data Scientist phải đối phó với khối lượng dữ liệu lớn, kiến thức về Big Data là rất cần thiết.
Trong thuật chuyên sâu hơn về điện toán, Python được biết đến như một ngôn ngữ kịch bản và Java được biết đến như một ngôn ngữ lập trình.
Nhiều ngành đòi hỏi kiến thức về cả kịch bản cũng như ngôn ngữ lập trình. Kiến thức về Java sẽ tạo điều kiện cho bạn điều chỉnh và duy trì các nền tảng dữ liệu lớn như Hadoop được viết bằng cùng một ngôn ngữ.
Để trở thành Data Analyst cần học gì?
Từ những insight mindset phía trên, chúng ta sẽ đề ra những strategy cho lộ trình học Data Analyst như sau:
Sau khi đã có mindset rõ ràng rồi thì chúng ta bắt tay vào việc lên kế hoạch và thực thi. Trước khi đi vào chi tiết, chúng ta sẽ cần trả lời câu hỏi “Vậy, để apply thành công vị trí Data Analyst cần học gì? Hãy cùng zoom out quy trình xử lý dữ liệu của một Data Analyst như thế nào nhé. Về cơ bản quá trình này có 4 bước:
Từ bước nhìn rõ công việc hàng ngày của một Data Analyst, chúng ta sẽ xác định những nội dung cần học, bước vào lộ trình học Data Analyst nào!
Lộ trình này do chính Vinh nghiên cứu và thiết kế nên. Hiệu quả của nó được kiểm chứng qua các khoá học viên mà Vinh và team UniGap đã coaching thành công. Tổng quan, lộ trình gồm có 2 giai đoạn chính.
Các bước để tìm được công việc đầu tiên trong ngành Data Science?
Sau khi có kiến thức về những kỹ năng này, bạn phải áp dụng chúng để tạo ra các dự án mang tính tương tác khác nhau và tham gia vào một cộng đồng khoa học dữ liệu năng động.
Bước 1 – Phát triển CV cá thân, liệt kê tất cả các dự án khoa học dữ liệu mà bạn đã xây dựng hoặc có đóng góp. Để làm như vậy, bạn phải có kiến thức thống kê và kỹ năng lập trình để tham gia vào các dự án đó.
Bước 2 – Tham gia các dự án về Data Science thông qua Kaggle. Khi vượt qua các cuộc thi khác nhau trên Kaggle, bạn sẽ có được danh tiếng cho riêng mình trong giới Data Science, cũng là điểm cộng cho CV của bạn
Bước 3 – Tham gia vào các dự án độc lập là một cách khác để củng cố kinh nghiệm trong lĩnh vực Data Science. Có nhiều bộ dữ liệu có sẵn công khai trực tuyến đang lưu hành trên thị trường.
Bạn có thể tạo ra sản phẩm dữ liệu của riêng bằng cách sử dụng các bộ dữ liệu mở. Nếu dữ liệu không có sẵn hoặc bạn muốn có các luồng dữ liệu theo thời gian thực, bạn có thể sử dụng các công cụ quét web được cung cấp bởi Python.
Bước 4 – Sự tham gia và đóng góp của bạn cho Data Science cũng vô cùng quan trọng. Bạn nên tham gia vào việc viết blog, hướng dẫn và thậm chí chỉ ra các giải pháp cho các vấn đề Kaggle của riêng bạn.
Điều này có thể sẽ giúp bạn xây dựng hình ảnh mạnh mẽ trực tuyến. Hơn nữa, tham gia vào StackOverflow và trả lời các truy vấn sẽ cung cấp cho bạn những chiến lược để trả lời các câu hỏi ở các mức độ khác nhau.
Bước 5 – Xây dựng sự kết nối là một yêu cầu quan trọng khá. Bạn phải tích cực trên LinkedIn, chia sẻ các dự án của bạn và tham gia vào các cuộc thảo luận trên cộng đồng
Nhập email để cập nhật nhanh nhất thông tin, kiến thức từ Viện ISB